买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京邮电大学申请的专利一种基于事件触发数据驱动的故障诊断方法、设备及存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116955920B 。

龙图腾网通过国家知识产权局官网在2026-03-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310937871.5，技术领域涉及：G06F18/00；该发明授权一种基于事件触发数据驱动的故障诊断方法、设备及存储介质是由岳东;刘锦瑞;魏祥森;黄家伟;窦春霞设计研发完成，并于2023-07-27向国家知识产权局提交的专利申请。

本一种基于事件触发数据驱动的故障诊断方法、设备及存储介质在说明书摘要公布了：本发明公开了一种基于事件触发数据驱动的故障诊断方法、设备及存储介质，步骤1：获取目标产品各类传感器的数据；步骤2：根据获取到的目标产品各类传感器的数据，基于事件触发数据驱动机制进行触发数据传输；步骤3：根据提取到的触发数据以及时间信息进行数据重构，得到重构后的数据；步骤4：将重构后的数据进行数据集划分，并将划分后的数据集输入网络模型中进行网络模型训练，得到训练好的网络模型；步骤5：根据训练好的模型对目标产品进行故障类型的诊断。本发明提供的一种基于事件触发数据驱动的故障诊断方法、设备及存储介质，在产品实际工程的通信过程中能减少数据量，降低通信拥堵的程度，同时提高诊断准确率或维持准确率不变。

本发明授权一种基于事件触发数据驱动的故障诊断方法、设备及存储介质在权利要求书中公布了：1.一种基于事件触发数据驱动的故障诊断方法，其特征在于： 步骤1：获取目标产品各类传感器的数据； 步骤2：根据获取到的目标产品各类传感器的数据，基于事件触发数据驱动机制进行触发数据传输； 步骤3：根据提取到的触发数据以及时间信息进行数据重构，得到重构后的数据； 步骤4：将重构后的数据进行数据集划分，并将划分后的数据集输入网络模型中进行网络模型训练，得到训练好的网络模型； 步骤5：根据训练好的模型对目标产品进行故障类型的诊断； 所述步骤2，包括： 分别获取目标产品各类传感器的样本数据，所述样本数据包括：正常数据，故障数据；故障数据包括：内圈故障数据，外圈故障数据，滚动体故障数据； 分别对获取到的正常数据和故障数据运用一阶后向差分方式提取触发数据； 所述一阶后向差分方式提取触发数据的方法，包括： 获取正常数据和故障数据的连续事件触发偏差et，计算公式如下： et＝xt-xtk,t∈[tk,tk+11 其中:tk为传感器从被控对象获得数据并将数据传输给控制器的时刻,tk＝0；xtk和xt分别为系统在上一个传输采样时刻的状态和当前状态； 当满足事件触发条件时,直接进行触发采样获得触发数据； 所述事件触发条件，包括：固定阈值事件触发条件或相对阈值事件触发条件； 所述固定阈值事件触发条件：当连续事件触发偏差et的绝对值超过预设的固定阈值δ时，触发数据的传输； 所述相对阈值事件触发条件：当连续事件触发偏差et的绝对值相对于当前状态xt的绝对值超过预设的相对阈值η时，触发数据的传输； 所述网络模型采用CNN+ResNet模型； 所述网络模型训练，具体包括： 将触发数据划分为70％的训练集和30％的测试集；对触发数据进行归一化处理后，将归一化处理后的触发数据输入卷积神经网络模型；通过卷积层提取特征、池化层降维和全连接层分类的过程，对卷积神经网络模型进行训练，得到参数最优的卷积神经网络模型； 卷积神经网络模型利用误差平方和和导数来调整权重和阈值，以最小化误差；训练过程从计算每一层的输出开始，直到获得网络的输出向量；通过计算目标向量与网络输出之间的差异，得到误差向量；然后，使用梯度下降和反向传播算法对多层感知器进行训练； 利用测试集评估卷积神经网络模型，在故障诊断方面使用准确率和F1-Score评价指标来分析卷积神经网络模型模型的实际效果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京邮电大学，其通讯地址为：210023 江苏省南京市栖霞区文苑路9号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。